结合深度学习和边缘计算的作业人员专注性检测方法

在生产作业过程中,作业人员注意力不集中是生产事故发生的主要诱因。针对现有的专注性研究方法过于依赖高性能计算设备,存在部署困难和隐私数据泄露等问题,提出一种结合深度学习和边缘计算的作业人员专注性检测方法。首先,利用YOLOv5算法对使用手机、抽烟和喝水3种常见的分心行为进行实时检测;然后,采用轻量化人脸关键点检测网络和Perclos算法对作业人员的疲劳程度进行评估,并对疲劳状态进行预警;最后,采用基于通道剪枝的压缩算法将分心行为检测网络和疲劳行为检测网络部署于低功耗的便携式边缘计算设备,避免作业人员隐私和商业数据泄露的风险。实验结果表明,该方法对疲劳行为和分心行为的检测准确率分别达98.6%和99.8%,满足实际的部署需求。

一种基于特征加权的点迹质量评估方法及应用

针对地面预警雷达点状移动杂波抑制难,提出一种基于多特征加权的点迹质量评估方法。该方法利用目标和点状移动杂波的点迹特征的差异进行杂波抑制。首先通过先验信息统计目标和杂波的点迹特征,计算各点迹特征的均值和权系数,然后将各特征信息加权求和,计算点迹的目标属性质量估值和杂波属性估值,最后对比两者之间的差别获取有效点迹。通过某雷达时采数据验证,该方法可以有效地抑制点状移动杂波。

一种步进频相参处理检测低信杂比目标的方法

本文通过对强杂波剩余在多普勒维度分布特点的分析,提出了一种利用步进频相参处理的方法来解决目标被杂波多普勒副瓣掩盖导致低信杂比无法检测的问题。文中推导了算法的性能,给出了相关项的补偿方法,分析了补偿误差对于算法性能的影响。仿真结果表明该方法在应对此类问题时是有效的。